基于風機健康度的有功控制優化算法

段琦瑋 鄭欽 趙興安 張真真

摘 要：目前并網發電的風電場越來越多，而風電就地消納能力和電網輸送能力有限，很多地區棄風現場嚴重。而風電場參與調峰的時段越來越多，風電場頻繁的對風機進行啟停機或變槳、調轉速等，加大了風機發生故障的概率。文章根據風機運行歷史數據，計算各風機的健康度（健康度越高，代表風機發生故障的可能性越小），在進行有功控制調節時，優先讓健康度高的風機參與調節，實驗表明，該算法可明顯減少風機因參與限電引起的故障率，降低故障次數，有效確保風機正常運行。

關鍵詞：風機健康度；有功控制；風機故障

中圖分類號：TM614 文獻標志碼：A 文章編號：2095-2945（2018）29-0138-02

Abstract： At present， there are more and more wind farms connected to the grid， but the local absorption capacity of wind power and the transmission capacity of the grid are limited， and the abandoned wind field is serious in many areas. More and more wind farms take part in peak shaving. Wind farms frequently start and stop the wind turbine or adjust the rotor speed， which increases the probability of wind turbine failure. Based on the historical data of fan operation， this paper calculates the health degree of each fan （the higher the health degree， the smaller the possibility of failure of the fan）. When the active power control regulation is carried out， priority is given to the fan with high health degree to participate in the regulation. The experiment shows that. The algorithm can obviously reduce the fault rate caused by the participation of the fan in the power limit， reduce the number of faults， and effectively ensure the normal operation of the fan.

Keywords： fan health； active power control； fan fault

1 概述

隨著風電并網容量的不斷增加，從2010年起，由于電網消納能力有限，特別是西北地區，風電出現棄風的現象越來越明顯[1]，風電參與電網調峰的時段也越來越多。電網通過AGC系統向風電場下發有功調節指令，風電場根據指令值進行有功控制，來滿足電網的要求，這個過程可通過值班員手動啟停風機完成，也可通過風電場的風機能源管理系統完成。但無論哪種方式，為了滿足電網的控制要求，都需要頻繁的啟停風機，或者改變風機的槳葉角度及轉速，這無疑增加了風機發生故障的可能性。文獻[2]提出了一種機組層的WT-AGC控制策略，通過轉速及變槳調節，來提高調節精度，使調節值更接近電網要求，但算法基于風機正常運行的情況之下，未考慮風機健康程度及調節轉速和變槳系統可能引起的風機故障。文獻[3]分析了定槳距與變槳距同時存在的風電場的有功控制優化方案，可盡量減少定槳距風機的啟停，優先對變槳距風機進行調節。文獻[4]提出了一種風機健康系數計算方法，可用于評估風機目前的健康狀態，但需要大量的風機歷史數據為支撐，同時需要進行復雜的仿真實驗。本文選擇和風機故障密切相關的運行參數，求解各參數在風機正常運行下的數學期望值，然后計算各參數的在風機故障中的權重，最后，以最新的歷史數據做為訓練集，來計算風機的健康度。并根據健康度來排序，優先調節健康度高的風機，從而減少風機故障發生的可能性。

2 風機健康度計算

風機各類參數數據的采集，是通過在風機內部安裝各類傳感器實現的，傳感器可檢測各個部件的運行溫度、振動值等信息，并將信息傳送給風機SCADA或者其它檢測分析系統。因此，根據風機的運行及故障狀態，可通過這些實時的溫度、振動值反映出來，文獻[4]中列舉了一些風機可靠性評估用到的主要參數，本文根據文獻[4]中參數要求，并參照風電場實際運行狀態，選擇與風機運行緊密相關的參數，用于評估風機的運行狀態。參數如表1所示。

針對以上參數，選擇歷史數據進行計算。為了保證數據的有效性，需先對數據進行預處理，剔除那些不能很好反映風機真實狀態的數據，如風電機組停機、限電運行等狀態下的數據[4]。健康度算法計算步驟如下：

（1）選取數據中最大風速Vmax及最小風速Vmin，并將風速以0.5m/s長度作為一個區間，分成N個區。

（2）參數Xm在第j個風速區的數學期望Xmj計算公式如公式1所示：

Xmj=？撞ipi×Xmji （1）

其中，{Xmji，i=（0，1，…n）}為處在風速區j中的Xm的集合，n為落在風速區j中Xm的個數。pi為參數Xmji在{Xmji，i=（0，1，…n）}中出現的概率，pi=，ni為參數Xmji在{Xmji，i=（0，1，…n）}中出現的次數。

（3）計算出Xmj之后，選取近期風機運行數據做為訓練集Txm，將Txm中數據按照風速分成N個分區，針對每個分區j，用集合{Txmj}表示處于分區j中的數據，以Xmj代替{Txmj}的數據期望Hmj，計算{Txmj}的數據偏移差Hmj。計算公式如公式（2）所示：

Hmj= （2）

計算出Hmj之后，計算整個訓練集Txm的數據偏移差Hm，Hm的計算公式如公式（3）：

Hm=？撞aj*Hmj （3）

aj為訓練集Txm中參數Xm在區間j中出現的頻率。

（4）假設參數Xm在風機健康度中起到的權重為am，則風機的健康度H計算公式如公式（4）所示：

H=？撞am*Hm （4）

其中n為參數個數。

權重am采用歷史數據周期內，發生故障時參數Xm的超限次數的頻率來計算。例如，在t時刻風機發生故障時，參數Xm超過風機定值范圍，則參數Xm的超限次數加1。am計算公式如公式（5）所示：

am= （5）

n為歷史數據周期內，所有參數的超限總次數，nm為參數Xm的超限次數。

在進行有功控制時，可采用的分配策略有多種，針對所有可調節的風機，可按照比例平均分配，也可按照相似裕度進行分配[5]。無論采用哪種分配策略，在進行分配時，首先按照健康度排序選擇風機，健康度高的風機優先參與調節。

3 試驗驗證

基于健康度算法，本文選擇某風電場為研究對象，進行試驗驗證，風電場有25臺2MW雙饋變槳風機，由于風機機型較老，風機故障頻繁，同時該地區電網限電嚴重。在未應用本算法之前，系統按照相似裕度的分配方式，進行有功分配。只要是運行狀態的風機就會參與限電，因此，很多處于“亞健康”狀態的風機，由于限電頻繁的變槳、啟停等，增加了風機故障。應用本算法之后，對風機的健康度進行了合理排序，并不斷的對算法進行調優，經常一段時間的試運行統計，結果表明風機發生變槳系統故障的次數減少1.5%，變頻系統故障的次數減少0.9%，所有風機故障次數減少1%。

4 結束語

針對風機有功功率控制過程中，風機頻繁的啟停及變槳引起的風機故障問題，本文設計了一種基于健康度的有功功率控制優化算法。在進行有功功率控制時，首先對健康度排名高的風機進行控制，從而確保對健康度低的風機盡量少的啟停及變槳操作，有效保證風機的正常運行，減少故障發生的可能性。本論文提出的算法，在大唐集團某風電場進行實際實驗，實驗表明，算法可有效減少風機在限電時發生故障的概率，進一步保證了風電場的安全穩定運行。

參考文獻：

[1]任華，姚秀萍，張新燕，等.風電場棄風電量統計方法研究[J].華東電力，2013，41（10）：2148-2152.

[2]許昌，魏媛，李濤，等.大型風電機組機組層AGC控制策略研究[J].電力系統保護與控制，2017，45（2）：69-74.

[3]陳曦寒，高賜威.考慮定槳距和變槳距風機聯合控制的風電場有功功率控制策略[J].電網技術，2015，39（7）：1892-1899.

[4]米思蓓.計及風電機組發電可靠度的風電場有功功率控制策略[D].重慶大學，2015.

[5]奚志江，連倩，汪一，等.大規模風電場有功功率控制策略[J].控制工程，2017，24（2）：475-480.